MétaCan
Menu
Retour à la cohorte
Enregistrement W4309857264 · doi:10.3389/fnins.2022.1030230

Diffusion kurtosis imaging and diffusion tensor imaging parameters applied to white matter and gray matter of patients with anti-N-methyl-D-aspartate receptor encephalitis

2022· article· en· W4309857264 sur OpenAlexaboutno aff
Hanjing Liu, Yayun Xiang, Junhang Liu, Jinzhou Feng, Silin Du, Tianyou Luo, Yongmei Li, Chun Zeng

Notice bibliographique

RevueFrontiers in Neuroscience · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAutoimmune Neurological Disorders and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesChongqing Science and Technology CommissionChongqing Municipal Health and Family Planning Commission
Mots-clésWhite matterDiffusion MRIFractional anisotropyPrecuneusSupramarginal gyrusPsychologyMedial frontal gyrusSuperior frontal gyrusMedicineNeuroscienceAudiologyMagnetic resonance imagingRadiologyCognitionFunctional magnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Objectives To compare parameters of diffusion tensor imaging (DTI) and diffusion kurtosis imaging (DKI) to evaluate which can better describe the microstructural changes of anti-N-methyl-D-aspartate receptor (NMDAR) encephalitis patients and to characterize the non-Gaussian diffusion patterns of the whole brain and their correlation with neuropsychological impairments in these patients. Materials and methods DTI and DKI parameters were measured in 57 patients with anti-NMDAR encephalitis and 42 healthy controls. Voxel-based analysis was used to evaluate group differences between white matter and gray matter separately. The modified Rankin Scale (mRS) was used to evaluate the severity of the neurofunctional recovery of patients, the Montreal Cognitive Assessment (MoCA) was used to assess global cognitive performance, and the Hamilton Depression Scale (HAMD) and fatigue severity scale (FSS) were used to evaluate depressive and fatigue states. Results Patients with anti-NMDAR encephalitis showed significantly decreased radial kurtosis (RK) in the right extranucleus in white matter (P < 0.001) and notably decreased kurtosis fractional anisotropy (KFA) in the right precuneus, the right superior parietal gyrus (SPG), the left precuneus, left middle occipital gyrus, and left superior occipital gyrus in gray matter (P < 0.001). Gray matter regions with decreased KFA overlapped with those with decreased RK in the left middle temporal gyrus, superior temporal gyrus (STG), supramarginal gyrus (SMG), postcentral gyrus (POCG), inferior parietal but supramarginal gyrus, angular gyrus (IPL) and angular gyrus (ANG) (P < 0.001). The KFA and RK in the left ANG, IPL and POCG correlated positively with MoCA scores. KFA and RK in the left ANG, IPL, POCG and SMG correlated negatively with mRS scores. KFA in the left precuneus and right SPG as well as RK in the left STG correlated negatively with mRS scores. No significant correlation between KFA and RK in the abnormal brain regions and HAMD and FSS scores was found. Conclusion The microstructural changes in gray matter were much more extensive than those in white matter in patients with anti-NMDAR encephalitis. The brain damage reflected by DKI parameters, which have higher sensitivity than parameters of DTI, correlated with cognitive impairment and the severity of the neurofunctional recovery.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,201
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetAutoimmune Neurological Disorders and TreatmentsTravaux en français237 207